文献

J-GLOBAL ID：202202219590630719   整理番号：22A1062591

腹部CT多臓器セグメンテーションのための解剖学誘導マルチビュー融合フレームワーク【JST・京大機械翻訳】

Anatomy-guided Multi-View Fusion Framework for Abdominal CT Multi-Organ Segmentation

著者 (7件)： Yang Zhongwei (Academy for Engineering & Technology, Fudan University, China) ,  Kuang Haopeng (Academy for Engineering & Technology, Fudan University, China) ,  Zhang Xukun (Academy for Engineering & Technology, Fudan University, China) ,  Liu Yang (Academy for Engineering & Technology, Fudan University, China) ,  Zhai Peng (Academy for Engineering & Technology, Fudan University, China) ,  Chen Lubin (Academy for Engineering & Technology, Fudan University, China) ,  Zhang Lihua (Academy for Engineering & Technology, Fudan University, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICIGP 2022  ページ： 167-173  発行年： 2022年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 腹部CT画像からの多臓器セグメンテーションは,臨床診療で重要な役割をする。しかし,CT画像における軟組織の低いコントラストと器官の形状および外観における有意差により,これは挑戦的な仕事である。本論文では,この課題を解決するためのマルチビュー融合に基づく2段階フレームワークを提案した。特に,第一段階は,元の腹部CT画像における臓器を急速にセグメント化することである。これに基づいて,単一器官の画像領域をロバストに抽出するための解剖学的知識を導入した。次に,臨床医の画像読取りに触発されて,2番目のステージネットワークの入力として3つの視野からの器官画像ブロックを使用し,異なる視野からの特徴を適応的に融合して,正確なセグメンテーション結果を出力する。公開CTデータセット上で広範な実験を行い,実験結果は,この方法がこの挑戦的なセグメンテーションタスクに対して正確でロバストであることを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： コントラスト ,  *セグメンテーション ,  ネットワーク ,  臨床医学 ,  *解剖学 ,  断層画像 ,  ロバスト性 ,  軟部組織 ,  *X線CT
準シソーラス用語： CT画像 ,  臨床医 ,  *腹部CT ,  *マルチビュー , 【Automatic Indexing@JST】

著者キーワード (4件)： 腹部CT ,  多臓器セグメンテーション ,  多視点融合 ,  2段階ネットワーク

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (8件)： 腹部CT ,  臓器 ,  セグメンテーション ,  解剖学 ,  誘導 ,  マルチビュー ,  融合 ,  フレームワーク